arXiv · cs.AI· Yifei Liu, Zhixiang Liang, Wentao Tan, Yicheng Wang, Jiaqi Wang, Nan Duan, Qiong Cao·· 11 小时前
利用实体熟悉度提升深搜蒸馏数据质量
Avoiding What Your Teacher Already Knows: Entity Familiarity for Deep-Search Distillation
arXiv:2610.16251v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yifei Liu, Zhixiang Liang, Wentao Tan, Yicheng Wang, Jiaqi Wang, Nan Duan, Qiong Cao
研究任务与主要进展
论文提出SEF，通过直接询问教师模型是否熟悉实体，筛选深搜蒸馏中的实体图和训练轨迹；基于论文摘要，SEF门控合成产生了更高搜索需求，并带来更高学生准确率。作者结合跨教师复用数据，将Qwen3.8-27B在BrowseComp子集上的准确率从44.10%提升至66.41%，并报告其在多个基准上达到同规模模型的state-of-the-art表现。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org